AI로 빨라진 업무…KT “고객 분석 업무, 8시간에서 10분으로 절감”

인공지능(AI)을 활용해 고객 의견 분석에 걸리는 시간을 8시간에서 10분 이내로 줄이고, 연간 4만 시간의 업무시간을 절감한 사례가 나왔다. 다만 개별 업무의 처리시간 단축이 기업 전체의 생산성 향상이나 비용 절감으로 이어졌는지는 별도로 검증해야 한다. AI 결과물을 검수하고 오류를 수정하는 데 드는 시간과 비용까지 고려해야 실질적인 효과를 판단할 수 있기 때문이다.

16일 업계에 따르면 KT는 지난 14~15일 KT 판교빌딩에서 열린 ‘2026 AID-X 데이’에서 그룹 내 AI 활용 사례를 공개했다. 애플리케이션(앱) 리뷰와 고객센터 의견 분석부터 소프트웨어 개발, 문서 작성까지 다양한 업무에 AI를 적용해 처리시간을 줄인 사례들이다.

KT는 앱 리뷰와 고객센터에 접수된 고객 의견을 분석하는 데 기존 약 8시간이 걸렸지만, AI를 활용하면서 10분 이내로 줄었다고 밝혔다. 일부 소프트웨어 개발 프로젝트에서는 개발 기간이 9개월에서 6개월로 단축됐다.

계열사에서도 업무시간 단축 사례가 나왔다. KT에따르면 회사의 유통 계열사 kt m&s는 직원 약 2000명이 AI 업무지원 플랫폼 ‘넥서스’를 활용해 연간 4만 시간의 업무시간을 절감했다. 매장 직원이 상품 정책을 질문하거나 보고서 작성을 요청하면 AI가 관련 정보를 제공하고 자료를 작성하는 방식이다. 또 홍보용 이미지 제작에는 약 30초, 발표 자료 작성에는 5분 이내가 걸린다고 설명했다.

소프트웨어 개발과 운영 업무에도 AI가 활용됐다. KT와 KT DS가 공동 개발한 ‘코드’를 활용한 시범 사업에서는 한 달가량 걸리던 프로그램 개발을 테스트까지 포함해 사흘 만에 마쳤다. KT DS의 AI 에이전트 관리 플랫폼 ‘메티스.AI’는 상품 테스트 시간을 15분에서 3분으로, 문서 작성 시간을 3시간에서 30분으로 줄였다.

이처럼 AI는 특정 업무의 처리시간을 줄이는 데 활용되고 있다. 하지만 업무시간 단축만으로 기업 전체의 생산성이 얼마나 높아졌는지 판단하기는 어렵다. AI가 생성한 결과물을 검수하거나 오류를 수정하는 데 추가 시간이 들 수 있고, 절감한 시간을 다른 업무에 활용했는지도 실제 성과를 평가하는 데 영향을 미친다.

신민수 한양대학교 경영학과 및 비즈니스 인텔리전스 & 전략 연구실 교수는 AI 도입 효과를 단기적인 자동화 성과와 장기적인 생산성 변화로 나눠 살펴야 한다고 설명했다. 그는 “AI 도입으로 기존 업무가 자동화되면 단기적으로 생산성이 높아질 수 있지만, 장기적으로 새로운 혁신으로 이어질지는 별도로 살펴봐야 한다”고 말했다. 이어 “AI가 확산하는 과정에서 사람과 기술이 어떻게 조화를 이루는지, 직원들이 AI로 인한 피로감이나 위협을 어떻게 받아들이는지도 장기적인 생산성 변화를 판단하는 데 고려해야 한다”고 덧붙였다.

실질적인 효율 개선을 측정하려면 AI 도입 전후의 전체 업무시간을 비교해야 한다는 의견도 나온다. 구본진 한국기술교육대학교 산업경영학부 교수는 AI 도입 후 총투입시간을 산출할 때 자료 준비, AI 지시와 결과 생성, 결과물 검수, 오류 수정, 최종 승인에 들어간 시간을 모두 합산해야 한다고 설명했다. 이어 그는 “AI가 초안을 생성하는 데 걸린 시간만 비교하는 것이 아니라, 최종 결과물이 완성되기까지 필요한 모든 작업시간을 기준으로 삼아야 한다”고 강조했다.

생산성을 평가할 때는 단순히 작업시간이 줄었는지, 문서가 얼마나 많이 생성됐는지를 보는 데 그쳐서는 안 된다. 구 교수는 “중요한 것은 품질 기준을 충족한 최종 결과물을 노동시간당 얼마나 많이 처리했는지”라며 “승인·완료된 업무 건수를 총투입 노동시간으로 나누면 실제 생산성 변화를 비교할 수 있다”고 짚었다. 관련 연구 사례로는 에릭 브린욜프슨, 다니엘 리, 린지 레이먼드가 2025년 학술지 ‘쿼털리 저널 오브 이코노믹스’에 발표한 고객지원 분야 생성형 AI 연구를 들었다. 해당 연구에서는 AI 지원을 받은 고객지원 상담원의 시간당 문제 해결 건수가 평균 15% 증가했다.

비용 효과를 평가할 때는 AI 도입과 운영에 들어가는 비용도 함께 따져야 한다. 구 교수는 “품질 기준을 충족한 결과물 한 건을 만드는 데 드는 총비용을 비교해야 한다”며 “인건비와 AI 이용료뿐 아니라 데이터 정비, 시스템 연계, 교육, 검수와 재작업에 드는 비용까지 포함해야 한다”고 분석했다. 특히 채용이나 대출 대상자 선정처럼 오류가 개인에게 큰 영향을 미치는 업무는 “시간과 비용을 비교하기에 앞서 허용 가능한 오류 수준부터 정해야 한다”고 덧붙였다.

실제 직장인 설문에서도 AI 사용 후 업무시간이 늘었다는 응답이 나왔다. 삼성SDS가 지난 1월 국내 직장인 630명을 대상으로 실시한 조사에서는 생성형 AI 사용 후 업무시간이 줄었다는 응답이 73%였고, 오히려 늘었다는 응답은 5.6%였다. 업무시간이 늘었다고 답한 응답자들은 주요 이유로 AI 결과의 오류에 따른 재작업을 꼽았다.

구 교수는 AI 도입 전후의 차이를 모두 AI 효과로 단정해서도 안 된다고 지적했다. 업무량과 난이도, 인력 구성, 업계 상황 등 다른 조건이 함께 달라질 수 있기 때문이다. 이런 요인을 고려하지 않으면 생산성 변화가 AI 도입에 따른 것인지 정확하게 판단하기 어렵다. 특히 절감한 근로시간을 곧바로 비용 절감으로 환산해서는 안 된다. 확보한 시간이 추가 업무 처리나 고객 대응 개선 등 조직 성과로 연결됐는지 확인해야 한다. AI 도입 효과를 객관적으로 판단하려면 최종 결과물의 품질을 전제로 총투입시간과 시간당 처리량, 오류율, 재작업 및 시스템 운영 비용을 함께 비교해야 한다.

구 교수는 AI 도입 전후의 생산성 변화를 비교할 때 다른 조건의 변화도 함께 고려해야 한다고 꼬집었다. 그는 “업무량과 난이도, 인력 구성, 업계 상황 등이 달라질 수 있기 때문에 도입 전후의 차이를 모두 AI 효과로 볼 수는 없다”고 짚었다. 이어 “절감한 시간이 곧바로 비용 절감으로 이어지는 것은 아니다”라며 “확보한 시간을 추가 업무 처리나 고객 대응 개선에 활용했는지, 실제 조직 성과로 연결됐는지를 함께 살펴봐야 한다”고 강조했다.

글. 바이라인네트워크
<김원민 기자>wmkim627@byline.network